它用于使用matplotlib/pylab绘制DataFrame的图。每种绘图类型在DataFrame.plot访问器上都有一个对应的方法:df.plot(kind ='line'),通常等效于df.plot.line()。
DataFrame.plot(x=None, y=None, kind='line', ax=None, subplots=False, sharex=None, sharey=False, layout=None, figsize=None, use_index=True, title=None, grid=None, legend=True, style=None, logx=False, logy=False, loglog=False, xticks=None, yticks=None, xlim=None, ylim=None, rot=None, fontsize=None, colormap=None, table=False, yerr=None, xerr=None, secondary_y=False, sort_columns=False, **kwds)
data - 数据框架
x - 标签或位置,默认值无
y - 标签或位置,默认值无
kind - str
ax - matplotlib轴对象,默认为无
subplots - 布尔值,默认为False
sharex - 如果ax为None,则返回布尔值和默认值True,否则返回False。如果 subplots = True,则它共享x轴并将一些x轴标签设置为不可见;如果 ax为 None,则其默认值为True,如果在轴和共享轴上都传递True,则它将更改所有x-axis标签。
sharey - 它还会返回一个布尔值,默认值为False。
layout - 这是一个可选参数,用于引用子图布局的元组。
figsize - 是指以英寸为单位的元组(宽度,高度)。
use_index - 返回布尔值;默认值为True。它使用索引作为X轴的刻度。
title - 是指为图定义标题的字符串或列表。
grid - 返回布尔值,默认值为None。它定义了轴线网格线。
legend - 返回False/True /'reverse'并将图例放置在轴子图上。
style - 返回列表或字典。它定义每列的matplotlib线条样式。
logx - 返回布尔值;默认值为False。它通常在x轴上使用对数刻度。
logy - 返回布尔值;默认值为False。通常,它在y轴上使用对数缩放。
loglog - 返回布尔值;默认值为False。它在x和y轴上都使用对数缩放
xticks - 指的是由用于xticks的值组成的序列。
yticks - 是指由要用于yticks的值组成的序列。
xlim - 每个列表包含2个元组。
ylim - 每个列表包含2个元组
rot - 是指整数值;默认值None,一般旋转刻度线(xticks表示垂直,yticks表示水平)
fontsize - 是指整数值;默认值为None。它的主要任务是为xticks和yticks指定字体大小。
colormap - 引用str或matplotlib colormap对象,默认值为None。
colorbar - 它是一个可选参数,返回布尔值。如果值为True,则绘制颜色条(仅与"scatter"和"hexbin"图有关)
position - 是指浮动值,它的主要任务是为条形图布局指定相对路线。其值的参数是0(左/底端)到1(右/上端)。默认值为0.5(中心)。
table - 返回布尔值,Series或DataFrame,默认值为False,如果值为True,它将使用DataFrame中的数据绘制一张表。
yerr - 是指DataFrame,Series,类似于数组的dict和str。
xerr - 与yerr类型相同。
stacked - 返回布尔值;行中的默认值为False,如果值为True,它将创建一个堆积图。
sort_columns - 返回布尔值;默认值为False,它对列名称进行排序以确定图的顺序
secondary_y - 返回布尔值或序列;默认值为False。它检查是否在次要y轴上绘制。如果是列表/元组,它将在次要y轴上绘制列表/元组的列
mark_right - 返回布尔值;默认值是true。在使用secondary_y轴时使用,自动在图例中用"(右)"标记列标签
'** kwds' - 这是一个可选参数,表示传递给matplotlib绘图方法的选项。
# import libraries import matplotlib.pyplot as plt import pandas as pd import numpy as np p = pd.Series(np.random.randn(2000), index = pd.date_range( '2/2/2000', periods = 2000)) p = ts.cumsum() p.plot() plt.show()
输出:
祝学习愉快!(内容编辑有误?请选中要编辑内容 -> 右键 -> 修改 -> 提交!)